Age over 90 years

Maps

Spatial prediction

Unterschiede Sprachregionen

Es gibt einen signifikanten Unterschied zwischen den Sprachregionen der Schweiz und dem Anteil Ü90 Jähriger.

  • Poisson Regression
  • Da die Anzahl der Ü90 in 3 Datensätze unterschiedlich sind, habe ich die Regression auch noch für den UniGe Datensatz durchgeführt (dort weiss ich die Sprachregionen).
  • Im Datensatz “AgeDistribution” habe ich nur die Altersverteilung der gesamten Schweiz, aber nicht nach Sprachregionen.
  • Die Anzahl der Ü90 im AgeDistrubtion file erscheint mir verglichen zu dem “Original” Datensatz und dem UniGe Datensatz ein wenig zu hoch.
  • Die Gesamtbevölkerung erscheint mir wiederrum im UniGe Datensatz zu niedrig
  • Für die Berechnung des “Original” Datensatzes habe ich die beoachteten Werte aus dem Datensatz genommen und die Bevölkerung nach Sprachregionen aus dem Datensatz “Population_district_1860_2008.xlsx” (Ich weiss nicht, wo der herkommt. Habe ihn für mein UniGe Projekt benutzt)
  • Für die UniGe Daten von 1888, sind alle Daten aus der Volkszählung

Tabelle

Year Language Number_Alessia Pop Pop_total Perc Observed Expected Number_UniGe Pop_UniGe_t Pop_UniGe Perc_UniGe Observed_UniGe Expected_UniGe Pop_AgeDist Number_AgeDist
1888 French 493 779641 2917754 26.720587 160 131.73249 495 2783351 657626 23.627132 172 116.9543 2922897 603
1888 German 493 2011362 2917754 68.935284 295 339.85095 495 2783351 1998974 71.818969 283 355.5039 2922897 603
1888 Italian 493 126751 2917754 4.344129 38 21.41656 495 2783351 126751 4.553899 40 22.5418 2922897 603
1900 French 563 886631 3315443 26.742459 155 150.56005 NA NA NA NA NA NA 3318985 662
1900 German 563 2290174 3315443 69.075958 360 388.89764 NA NA NA NA NA NA 3318985 662
1900 Italian 563 138638 3315443 4.181583 48 23.54231 NA NA NA NA NA NA 3318985 662

Table Example Presentation

Language Population Observed Expected
French 779641 160 132
German 2011362 295 340
Italian 126751 38 21

Original - 1888

Der Französische Teil und der Italienische Teil haben signifikant mehr Ü90 Jährige als der Deutschsprachige Teil

Language OR CI p_value
LanguageFrench 1.40 1.15 - 1.70 0.00062
LanguageItalian 2.04 1.46 - 2.87 0.00003

UniGe - 1888

Das Ergebnis von den “Original” Daten kann mit den UniGe Daten bestätigt werden. Der Französische Teil und der Italienische Teil haben signifikant mehr Ü90 Jährige als der Deutschsprachige Teil

## 
## Call:
## glm(formula = Observed_UniGe ~ Language, family = "poisson", 
##     data = data.model, offset = log(Pop_UniGe))
## 
## Deviance Residuals: 
## [1]  0  0  0
## 
## Coefficients:
##                 Estimate Std. Error  z value Pr(>|z|)    
## (Intercept)     -8.86270    0.05944 -149.094  < 2e-16 ***
## LanguageFrench   0.61380    0.09668    6.349 2.17e-10 ***
## LanguageItalian  0.80160    0.16892    4.745 2.08e-06 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for poisson family taken to be 1)
## 
##     Null deviance:  4.9467e+01  on 2  degrees of freedom
## Residual deviance: -7.1054e-15  on 0  degrees of freedom
## AIC: 26.001
## 
## Number of Fisher Scoring iterations: 2

Original - 1900

1900 leben nur noch im italienische Teil signifikant mehr Ü90 Jährige als im Deutschsprachige Teil.

Language OR CI p_value
LanguageFrench 1.11 0.92 - 1.34 0.26863
LanguageItalian 2.20 1.63 - 2.98 0.00000

Unterschiede Erhebungsjahr

Zwischen den Jahren 1888 und 1900 gibt es keinen signifikanten Unterschied zwischen der Anzahl der Ü90 Jährigen.

## 
## Call:
## glm(formula = Number_Alessia ~ Year, family = "poisson", data = data.model, 
##     offset = log(Pop_total))
## 
## Deviance Residuals: 
## [1]  0  0
## 
## Coefficients:
##              Estimate Std. Error  z value Pr(>|z|)    
## (Intercept) -8.685816   0.045038 -192.856   <2e-16 ***
## Year1900     0.004993   0.061681    0.081    0.935    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for poisson family taken to be 1)
## 
##     Null deviance:  6.5542e-03  on 1  degrees of freedom
## Residual deviance: -9.8588e-14  on 0  degrees of freedom
## AIC: 20.21
## 
## Number of Fisher Scoring iterations: 2

Unterschiede Höhe Wohnort

Tabelle

Year Altitude Observed Expected Population Pop_total Number Perc
1888 < 400 86 71.31530 422070 2917754 493 14.465579
1888 400-599 224 266.68378 1578332 2917754 493 54.094074
1888 600-999 148 129.85934 768555 2917754 493 26.340637
1888 > 1000 35 25.14157 148797 2917754 493 5.099710
1900 < 400 97 89.03857 524338 3315443 563 15.815021
1900 400-599 277 310.24389 1826991 3315443 563 55.105487
1900 600-999 134 136.82536 805749 3315443 563 24.302906
1900 > 1000 55 26.89218 158365 3315443 563 4.776586

1888

Es leben auf allen Höhen mehr Ü90 Jährige verglichen zu den Wohnorten auf 400-599m.

Altitude OR CI p_value
Altitude< 400 1.44 1.12 - 1.84 0.00436
Altitude600-999 1.36 1.10 - 1.67 0.00396
Altitude> 1000 1.66 1.16 - 2.37 0.00544

1900

Es leben in den Wohnorten auf Höhe > 1000m signifikant mehr Ü90 Jährige verglichen zu den Wohnorten in der Höhe 400-599m.

Altitude OR CI p_value
Altitude< 400 1.22 0.97 - 1.54 0.09169
Altitude600-999 1.10 0.89 - 1.35 0.37950
Altitude> 1000 2.29 1.72 - 3.06 0.00000

Regression Alter

  • Nur Daten mit einem Sterbealter
  • Alle Modelle sind immer nach Erhebungsjahr kontrolliert

Nur das Jahr: Zwischen 1888 und 1900 gibt es keinen sigifikanten Unterschied im Sterbealter

## 
## Call:
## lm(formula = Age ~ Year, data = data_age)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.1517 -1.1517 -0.1517  1.1010  8.8483 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)  
## (Intercept) 53.14749   20.91116   2.542   0.0112 *
## Year         0.02105    0.01104   1.908   0.0568 .
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.997 on 915 degrees of freedom
## Multiple R-squared:  0.003961,   Adjusted R-squared:  0.002873 
## F-statistic: 3.639 on 1 and 915 DF,  p-value: 0.05676

Sprachregionen: Es gibt keine signifikanten Unterschiede zwischen Sterbealter und den Sprachregionen

## 
## Call:
## lm(formula = Age ~ Language + Year, data = data_age)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.2753 -1.2753 -0.0894  1.1705  8.7247 
## 
## Coefficients:
##                 Estimate Std. Error t value Pr(>|t|)  
## (Intercept)     52.11231   20.93084   2.490   0.0130 *
## LanguageGerman  -0.18586    0.14775  -1.258   0.2087  
## LanguageItalian -0.05078    0.26082  -0.195   0.8457  
## Year             0.02166    0.01105   1.961   0.0502 .
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.997 on 913 degrees of freedom
## Multiple R-squared:  0.005792,   Adjusted R-squared:  0.002525 
## F-statistic: 1.773 on 3 and 913 DF,  p-value: 0.1507

Wohnhöhe: Es gibt keine signifikanten Unterschiede zwischen Sterbealter und der Wohnhöhe

## 
## Call:
## lm(formula = Age ~ W_Hoehe + Year, data = data_age)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.6056 -1.4332 -0.1043  1.1096  8.8179 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)  
## (Intercept) 5.250e+01  2.089e+01   2.513   0.0121 *
## W_Hoehe     4.368e-04  2.419e-04   1.806   0.0713 .
## Year        2.126e-02  1.102e-02   1.928   0.0541 .
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.994 on 914 degrees of freedom
## Multiple R-squared:  0.007502,   Adjusted R-squared:  0.00533 
## F-statistic: 3.454 on 2 and 914 DF,  p-value: 0.03202

Wohnhöhe Kategorial: Es gibt keine signifikanten Unterschiede zwischen Sterbealter und der Wohnhöhe

## 
## Call:
## lm(formula = Age ~ W_Hoehe_cat + Year, data = data_age)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.2924 -1.2924 -0.0826  1.1791  8.7076 
## 
## Coefficients:
##                          Estimate Std. Error t value Pr(>|t|)  
## (Intercept)              51.64153   20.91993   2.469   0.0137 *
## W_Hoehe_cat(600,2.2e+03]  0.20980    0.13838   1.516   0.1298  
## Year                      0.02181    0.01104   1.975   0.0485 *
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.995 on 914 degrees of freedom
## Multiple R-squared:  0.00646,    Adjusted R-squared:  0.004286 
## F-statistic: 2.971 on 2 and 914 DF,  p-value: 0.05173

Interaktion Wohnhöhe + Sprachregion: Es gibt keine signifikanten Interaktionen zwischen Sterbealter, Wohnhöhe und Sprachregion

## 
## Call:
## lm(formula = Age ~ W_Hoehe * Language + Year, data = data_age)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.4208 -1.5265 -0.1043  1.0985  8.7006 
## 
## Coefficients:
##                           Estimate Std. Error t value Pr(>|t|)  
## (Intercept)             51.9658979 20.9342864   2.482   0.0132 *
## W_Hoehe                  0.0006583  0.0004422   1.489   0.1369  
## LanguageGerman           0.0131765  0.3728580   0.035   0.9718  
## LanguageItalian          0.2589132  0.5052885   0.512   0.6085  
## Year                     0.0215237  0.0110545   1.947   0.0518 .
## W_Hoehe:LanguageGerman  -0.0002918  0.0005584  -0.523   0.6014  
## W_Hoehe:LanguageItalian -0.0004840  0.0007105  -0.681   0.4959  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.997 on 910 degrees of freedom
## Multiple R-squared:  0.009572,   Adjusted R-squared:  0.003041 
## F-statistic: 1.466 on 6 and 910 DF,  p-value: 0.1869